知能情報論（Intelligent Information Theory）

水曜日2限　233講義室（講義室が変更になりましたので注意してください．）

担当

• 知能機械情報学専攻　教授　原田達也
• オフィス：工学部2号館8階81D1号室
• 内線番号：21650
• 個人宛メールアドレス：harada@mi.t.u-tokyo.ac.jp

目的

知能の根元には情報を介した主体と環境とのインタラクションがあり，人間を含めた実環境からの情報をいかに要約し利用するかが知能システム構築のカギとなる．ここでは，その基礎理論，知能システムの原理や仕組み，さらに具体的な応用について論じる．

An interaction between agent and environment via information is a base of intelligence. Therefore how to summarize and utilize information from the real environment is a key element in building intelligent systems. This class will introduce you to a basis theory of intelligent information processing, and give you experience creating an object recognition system from images.

講義項目

物体，シーン認識を中心とした実世界情報処理技術の紹介と，そこで利用されているコアな手法を分かりやすく解説する．

1. 知能情報処理とは
2. 知能情報処理の基礎理論
3. 特徴量抽出
4. 認識
5. 一般物体認識への応用

1. Introduction
2. Basis theory of intelligent information processing
3. Feature extraction
4. Recognition
5. Application to generic object recognition

必要とする知識

線形代数，確率統計，情報理論，パターン認識，機械学習

It is preferred that you have knowledge in linear algebra, probability, statistics and machine learning.

評価方法

• レポート
• 出欠（LMSを利用します．）

• Pattern Recognition and Machine Learning (Information Science and Statistics), by Christopher M. Bishop, Springer, 2006.
• Pattern Classification (2nd Edition), by Richard O. Duda, Peter E. Hart and David G. Stork, Wiley-Interscience, 2000.
• Information Theory, Inference, and Learning Algorithms, by David J.C. MacKay, Cambridge University Press, 2003.
• Computer Vision: Algorithms and Applications (Texts in Computer Science), by Szeliski, Richard, Springer, 2010.
  

講義日程

• 4/11 : Introduction
• 4/18 : Short history
• 4/25 : Detectors and descriptors
• 5/02 : Golden week holiday. ICLR
• 5/09 : Detectors and descriptors
• 5/16 : Coding and pooling
• 5/23 : Classifiers
• 5/30 : Nan
• 6/06 : Convolutiona l Neural Networks
• 6/13 : Object detection
• 6/20 : Cancel (CVPR)
• 6/27 : Instance recognition and search
• 7/06 : Image and language
• 7/13 : Cancel? (ICML)

Last updated April 15, 2018.